| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题的背景及意义 | 第9-10页 |
| 1.2 梯级水电站优化调度的研究现状 | 第10-14页 |
| 1.2.1 传统优化方法在梯级水电站优化调度中的研究概况 | 第10-12页 |
| 1.2.2 智能算法在梯级水电站优化调度中的研究概况 | 第12-14页 |
| 1.3 本文研究的主要内容 | 第14-15页 |
| 第二章 遗传算法 | 第15-24页 |
| 2.1 遗传算法的特点 | 第15-16页 |
| 2.2 遗传算法的基本流程 | 第16-23页 |
| 2.2.1 编码 | 第17-18页 |
| 2.2.2 适应度函数 | 第18-19页 |
| 2.2.3 遗传算子 | 第19-21页 |
| 2.2.4 种群的初始化 | 第21页 |
| 2.2.5 控制参数选择 | 第21-22页 |
| 2.2.6 约束条件的处理 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 针对梯级水电站优化调度的遗传算法的改进 | 第24-33页 |
| 3.1 传统遗传算法存在的弊端 | 第24页 |
| 3.2 实现具体遗传算法的优化调度的元素设置 | 第24-27页 |
| 3.2.1 选择合适的编码方式 | 第24-26页 |
| 3.2.2 混沌算法生成初始种群 | 第26-27页 |
| 3.2.3 适应度函数的处理 | 第27页 |
| 3.3 遗传算法中遗传算子的改进 | 第27-28页 |
| 3.3.1 选择算法的改进 | 第27页 |
| 3.3.2 交叉算子的选择 | 第27-28页 |
| 3.3.3 变异算子的选择 | 第28页 |
| 3.4 遗传算子的自适应改进 | 第28-29页 |
| 3.5 模拟退火遗传算法 | 第29-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 梯级水电站最大蓄能的计算及优化调度模型的建立 | 第33-41页 |
| 4.1 梯级水电站蓄能计算的概述 | 第33-35页 |
| 4.1.1 国网现行梯级水电站蓄能计算方法 | 第33-34页 |
| 4.1.2 独立水库蓄能值计算方法 | 第34页 |
| 4.1.3 梯级水电站蓄能值计算方法 | 第34-35页 |
| 4.1.4 计算方法的不足 | 第35页 |
| 4.2 基于实际可调水量的梯级水电站蓄能计算方法 | 第35-37页 |
| 4.2.1 基本思想 | 第35页 |
| 4.2.2 基于实际可调水量的梯级水电站蓄能计算方法 | 第35-36页 |
| 4.2.3 计算方法分析 | 第36-37页 |
| 4.3 梯级水电站长期优化调度模型的建立 | 第37-40页 |
| 4.3.1 目标函数的选取 | 第37-38页 |
| 4.3.2 约束条件的建立及处理办法 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 模型的求解及结果分析 | 第41-49页 |
| 5.1 澜沧江流域介绍 | 第41-42页 |
| 5.2 算法的计算条件 | 第42-45页 |
| 5.2.1 进行计算的水电站特性 | 第42-44页 |
| 5.2.2 计算参数的选取 | 第44-45页 |
| 5.3 计算结果分析 | 第45-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第六章 总结 | 第49-51页 |
| 6.1 全文总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
